Supporting Web-Based Teaching and Learning of Virtual Care Skills and Competencies: Development of an Evidence-Informed Framework
Notice bibliographique
Résumé
BACKGROUND: Professionals across caring disciplines have played a significant role in the development of virtual care, which utilizes remote technologies to offer support and services from a distance. As virtual care becomes increasingly essential, instructors must ensure students are equipped with both interpersonal abilities and digital competencies, merging traditional hands-on methods with online learning. Despite its growing importance, there are a lack of comprehensive frameworks to guide the design and delivery of online learning experiences that foster the development of virtual caring skills and competencies among students in caring professions. OBJECTIVE: To develop an evidence-informed framework to support online teaching and learning of virtual caring skills and competencies. METHODS: We present a synthesis of our research resulting in an evidence-informed framework. We integrated findings from an evidence synthesis, surveys and semi-structured interviews with students and educators, and consultations with key stakeholders. RESULTS: Principles of this framework include: (a) connection and interaction, (b) compassion, empathy, and care, (c) vulnerability, (d) a client-centered focus, (e) inclusivity and accessibility, and (f) flexibility. The framework's four main domains are: (a) virtual caring skills, (b) teaching and learning methods, (c) barriers to teaching, learning, and providing virtual care, and (d) facilitators of teaching learning and providing virtual care. CONCLUSIONS: This framework was developed by and for students and educators to aid in planning, promoting, and enhancing virtual caring skills development. It can be utilized to better equip students to provide virtual care, thereby positively impacting client care and outcomes. This framework can support educators, students, decision-makers, and practice partners to build learning experiences aimed at preparing students to provide virtual care effectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,105 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,022 | 0,010 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,016 | 0,015 |
| Science ouverte | 0,007 | 0,014 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».